一种基于深度学习的旅行规划方法与系统技术方案

本发明专利技术提供一种基于深度学习的旅行规划方法与系统，基于卷积神经网络CNN构建园区的地图和景点布局模型，基于长短时记忆网络LSTM构建人流量预测模型，并根据预测结果，计算等待时长，帮助游客更好地安排时间，避免长时间等待，提高游玩效率，对游客需求进行分析，提取关键词，并与数据库中的相关信息进行匹配，结合构建的基于强化学习的路径规划模型，根据游客当前状态选择最优动作，规划出最优游玩路径，本发明专利技术能够根据每个游客的独特偏好和需求，生成个性化的旅行规划，满足不同游客的期望和要求，制定的路线规划更加科学、准确和合理，极大提升了游客在游乐园的游玩体验。

【技术实现步骤摘要】

本专利技术涉及旅行规划领域，尤指一种基于深度学习的旅行规划方法与系统。

技术介绍

1、随着人们生活水平的提升，旅游成为热门的休闲方式，游乐园更是深受各年龄段人群的喜爱。近年来，游乐园的旅游人数呈现逐年迅猛增长的态势。在旅游旺季，热门游乐园每日入园人数可达数万人，在密集的人流量之下，势必会增加游客在游玩项目时的等待时长，从而大大影响了游客的游玩体验。

2、在现有技术条件下，缺少能够针对游客需求制定游乐园内部最优游玩路径的系统和方法。游客往往在入园后盲目选择游玩项目，面对众多景点和蜿蜒曲折的道路，只能凭借经验或随机选择路线，这导致了游客将大量时间浪费在寻找景点上，特别是在人流量大时，需要排队等待很长时间，无法充分享受游乐园的乐趣。例如，许多游客在热门项目前排队等待时间超过两小时，而一些符合自身兴趣的小众项目却因不知晓位置而错过。同时，不同游客有着不同的游玩偏好，有的喜欢刺激的过山车类项目，有的钟情于亲子互动项目，现有的简单地图和指示牌根本无法满足游客多样化的需求。

3、因此，设计一种能够对不同兴趣偏好的游客需求进行精准分析，进而规划出园本文档来自技高网...

【技术保护点】

1.一种基于深度学习的旅行规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的旅行规划方法，其特征在于，

3.根据权利要求1所述的一种基于深度学习的旅行规划方法，其特征在于，所述步骤S2具体包括以下步骤：

4.根据权利要求3所述的一种基于深度学习的旅行规划方法，其特征在于，

5.根据权利要求1所述的一种基于深度学习的旅行规划方法，其特征在于：

6.根据权利要求5所述的一种基于深度学习的旅行规划方法，其特征在于，所述步骤S3中，在对识别到的关键词进行匹配时，对于一些存在拼写错误或表述差异的情况，采用模糊...

【技术特征摘要】

1.一种基于深度学习的旅行规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的旅行规划方法，其特征在于，

3.根据权利要求1所述的一种基于深度学习的旅行规划方法，其特征在于，所述步骤s2具体包括以下步骤：

4.根据权利要求3所述的一种基于深度学习的旅行规划方法，其特征在于，

5.根据权利要求1所述的一种基于深度学习的旅行规划方法，其特征在于：

6.根据权利要求5所述的一种基于深度学习的旅行规划方法，其特征在于，所述步骤s3中，在对识别到的关键词进行匹配时，对于一些存在拼写错误或表述差异的情况，采用模糊匹配算法进行匹配。

【专利技术属性】
技术研发人员：陈秀雁，招汝辉，罗就好，仇永元，聂雯靖，
申请(专利权)人：广东盈香生态产业集团有限公司，
类型：发明
国别省市：